[发明专利]基于异常检测和半监督的超声关键帧自主识别方法

权利要求书

1.一种基于异常检测和半监督的超声关键帧自主识别方法，其特征在于步骤如下：

步骤1，构建超声视频帧数据集：利用超声探头对人体不同组织区域进行视频帧采集，得到带位置坐标的超声视频数据集X＝[x₁,x₂,...,x_n]，其中，x_i表示第i个超声视频帧，i＝1,2…,n，n为数据集包括的视频帧总数；所述的组织区域包括脖子、胸部、手臂、腹部、后背、腰部和大腿；

步骤2，变分自编码器对超声帧的正态编码向量提取：首先，根据无监督方式的变分自编码器VAE的框架，分别构建编码网络和解码网络，其中，编码网络由三层神经网络构成，其输入为超声视频帧x_i，以及从m维的标准正态分布N(0,I_m)随机采样的相应随机向量ε_i，I_m为m维单位矩阵，m由用户预设的正整数，取值范围为[2000,10000]，i∈[1,…,n]，设编码网络的网络参数集合为φ；编码网络的输出为超声视频帧x_i为所对应的编码向量z_i，(μ_φ)_i为编码向量z_i的均值，维度为m×1，(Σ_φ)_i为编码向量z_i的协方差矩阵，维度为m×m，正态分布函数N((μ_φ)_i,(Σ_φ)_i)构成编码向量z_i的后验概率函数q_φ(z_i|x_i)；解码网络也由三层神经网络构成，其输入为编码向量z_i，输出为通过编码向量z_i对超声视频帧x_i进行重建的重建似然函数p_θ(x_i|z_i)，i∈[1,…,n]，θ表示解码网络的网络参数集合；

然后，通过随机梯度下降法对下式进行优化，得到编码器网络和解码器网络参数φ和θ以及各超声视频帧的编码向量z_i，i∈[1,…,n]：

其中，表示似然函数p_θ(x_i|z_i)的对数关于后验概率函数q_φ(z_i|x_i)＝N((μ_φ)_i,(Σ_φ)_i)的期望值，D_KL{q_φ(z_i|x_i)||N(0,I_m)}表示q_φ(z_i|x_i)和N(0,I_m)的KL散度；

步骤3，无监督离群点检测方式的超声关键帧预筛选：设定分位数α＝0.05，对于数据集中的超声视频帧x_i，i＝1,2…,n，当其重建概率p_i小于分位数α时，判定该视频帧为离群点，并将其作为候选关键帧；否则，判定该输入帧为平凡帧；

所述的重建概率p_i按以下过程计算得到：从m维的标准正态分布N(0,I_m)进行K次采样，得到超声视频帧x_i的相应随机向量K在[1000,10000]内取值；将x_i和作为输入，通过步骤2的编码网络，得到均值(μ_φ)_i、协方差矩阵(Σ_φ)_i和编码向量再将每个编码向量代入解码网络，计算出相应的重建似然函数得到所有K个重建概率；将这K个重建概率的均值，作为超声视频帧x_i最终的重建概率，即

步骤4，标注约束相似图半监督学习视频帧低秩分解：首先，对于步骤3从n个超声视频帧中所筛选出的L个候选关键帧，从中随机选择l个帧进行标注，得到关系记录矩阵C_l×c，其中，lL，关系记录矩阵的第i行j列元素[C_l×c]_i,j＝1表示所选择的第i个候选关键帧属于第j类关键帧，[C_l×c]_i,j＝0表示所选择的第i个候选关键帧不属于第j类，i＝1,2…,l，j＝1,2…,c，前c-1个类为不同类型的关键帧类别，第c类为平凡帧类别；

然后，按下式构建用于描述半监督学习标注关系的标注约束矩阵Y：

其中，I_n-l表示(n-l)维单位矩阵；

接着，构建标注约束低秩分解的半监督学习优化函数如下：

其中，矩阵Z＝[z₁,z₂,...,z_n]为由n个超声视频帧通过步骤2得到的编码向量所构成的编码向量矩阵，维度为m×n，矩阵U为从原始m维编码向量特征到k维低秩特征的线性映射矩阵，维度为m×k；矩阵V为潜变量矩阵，其中，v_i为k维的非负向量，向量v_i中元素的初始值为(0,1)区间内等概率随机产生，i＝1,2…,c+(n-l)，k是由用户预设的正整数，在[100,2000]内取值；W为n×n维的相似性矩阵，其对角线元素取值均设置为1，非对角线元素w_ij为第i个编码向量z_i和第j个编码向量z_j的热核函数权重，按照w_ij＝exp{-||z_i-z_j||²/σ}计算得到，σ为扩散系数，由用户设定，取值范围为(0,+∞)；D为度矩阵，是以相似性矩阵W的每行之和分别作为对角线元素的对角矩阵；λ是相似性正则化项的调谐参数，取值由用户设定，取值范围为(0,+∞)；β是线性映射矩阵正则化项的调谐参数，取值由用户设定，取值范围为(0,+∞)；

采用交替方向乘子法求解上述半监督学习优化函数，得到矩阵U和V；

步骤5，视频帧编码向量低秩伪逆的关键帧自主识别：对于新获取的超声视频帧x_n+1，按照下式得到其预测向量

其中，z_n+1为按照步骤2方法获得的该视频帧的编码向量；

记录预测向量中最大元素值的位置序号i_n+1，再记录步骤4所得的标注约束矩阵Y中第i_n+1行中元素值为1的列序号j_n+1；若j_n+1属于[1,c-1]之内，则将超声视频帧x_n+1视为第j_n+1类关键帧；若j_n+1＝c，则将超声视频帧x_n+1视为平凡帧。